一条被悄悄写进条款的新功能

语音听写应用 Wispr Flow 最近没开发布会，也没发官宣，而是借着更新服务条款，悄悄露了底。公司给用户发邮件说条款和隐私政策有变，细心人一翻发现，新增了好几段关于”会议数据”和”会议记录（Notetaker）”的内容。

按条款原文，Notetaker 会处理会议音频、参会者信息、会议元数据、发言人标签和转录文本，输出则是 AI 生成的会议转录、摘要、行动项和会议洞察。换句话说，它要做的不只是把话转成字，而是顺手把”谁说了啥、接下来该干啥”都整理好。

它要挤进一条拥挤的赛道

这个功能一上，Wispr Flow 就直接撞上了 Granola、Fireflies、Read AI、Otter、Fathom 这一票老玩家。市面上其实有两条路线：

• Granola 那类，靠系统音频在本地转录，不录音、也不以机器人身份入会，存在感最低；
• Fathom、Fireflies 那类，则以可见的 bot 身份加入会议、把录音存到云端，功能更全但侵入感强。

Wispr Flow 目前没明说走哪条。这个选择会直接决定它落到用户手里的观感——是轻巧的”隐形秘书”，还是又一款”全程在录”的工具。

“OpenAI 的计算策略，是搭建一个有韧性的组合，把合适的系统匹配到合适的负载上。”——类似的思路也适用于会议记录：模型再强，也得看它落在哪条工作流里。

为什么一个听写 app 想做会议

表面看是品类扩张，骨子里是冲着”上下文”去的。Wispr Flow 本来就架在邮件、文档、消息、CRM 和代码编辑器之上，是个跨应用的语音层，它比别人更清楚你平时怎么写、用什么工具。会议记录能补上它一直缺的一块：会议里的决定、承诺和人脸人名，往往在打开那些 app 之前就产生了。把这些喂给创始人 Tanay Kothari 念叨已久的”懂你个人上下文的 AI 助手”，逻辑就通了。

钱和隐私，两本账

底气来自融资。Wispr Flow 至今已拿下超过 8100 万美元，上轮估值 7 亿美元；今年 5 月彭博说它在谈新轮，估值可能冲到 20 亿。估值要翻近三倍，投资人赌的就是产品能长出新东西，而不只是把语音转写做得更顺手。

但会议记录带来的隐私账，和单纯听写不是一回事。听写通常是一个人主动对着它说话；会议记录处理的却是多方对话，里面可能还有根本不用 Wispr 的人。条款把”录制或转录前取得同意”的责任推给了用户，而 Notetaker 又要求开启 Cloud Sync——这意味着即便你关掉了模型训练，对话依然会进 Wispr 的云。当 AI 助手想更懂你，代价往往是把更多人的对话，也卷进同一片云里。

大模型不难买，难的是让它真正跑进一家公司的日常运转里。这个问题坑了无数CTO，也养出了一批叫FDE（前置部署工程师）的新贵。现在，一支前Salesforce班底想用AI把这道最难的交付环节也自动化掉。

AI悖论性地增加了对专业服务的需求。行业应对AI落地的办法，是”再雇更多的人”。——June创始人Efrat Rapoport

2000万美元的pre-seed，连BP都没写

周一，June从隐身状态亮相，拿下2000万美元pre-seed，由Marc Benioff的Time Ventures领投，Michael Dell、Box的Aaron Levie、CrowdStrike的George Kurtz这些企业软件老炮跟投。四个创始人之前创办过Bonobo AI，2019年被Salesforce收走，之后在巨头里做了几年AI，看够了客户对接时的狼狈。Rapoport说，这轮融资他们连一份正式BP都没准备。

模板好写，底下的乱麻难解

模型进了企业，绕不开Salesforce、ServiceNow、Databricks、Workday这一长串老平台。Rapoport点破关键：建一个agent模板很容易，难的是底下那团乱麻——数据散落在不同系统、流程盘根错节、还有多年堆积的技术债。”当数据库里有10个意思相同的重复字段、不同团队各用各的，agent怎么知道该听谁的？”

June怎么干

它的做法是先给企业系统做”体检”：扫描现有软件，弄明白业务流程，找出瓶颈，再自动生成一份一步步的落地路线图，告诉你要先删重字段、先接哪个数据源。你点一下”build”，它就在你的环境里动手搭。

客户为什么买账

美国抵押贷款机构CMG的CSO Paul Akinmade，用Claude Code迁代码很快，却卡在和Salesforce对接上几周没动静。June让他提前看清该往哪部署，还能在双方正式开会前就安全上线了一部分。他一开始的硬性条件是：”如果你的产品还要靠FDE，我不要。”June恰恰踩中了这个痛点——它把自己说成FDE和咨询公司的补充，可客户可能正是冲着”能甩开FDE”才来的。